Qwen2-VL
Qwen2-VL ialah keluarga model vision-language kedua Alibaba Qwen, membaca imej pada sebarang resolusi dan teks dalam banyak bahasa.
Keluaran bagi Qwen-VL. Versi lain: Qwen3-VL, Qwen2.5-VL.
- Dikeluarkan
- 29 Ogos 2024
- ID model
- Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
- Saiz
- 2B, 7B dan 72B
- Lesen
- Apache-2.0 for 2B and 7B. 72B was first offered only through an API
- Juga dicari sebagai
- qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct
Apa yang baharu dalam Qwen2-VL
- Naive Dynamic Resolution: imej pada sebarang resolusi dan nisbah aspek dipetakan kepada bilangan token visual yang sepadan.
- Multimodal Rotary Position Embedding (M-RoPE) untuk teks, imej dan video.
- Membaca teks dalam imej dalam banyak bahasa, termasuk Jepun, Korea, Arab dan Vietnam.
- Memahami video melebihi 20 minit.
- Boleh bertindak sebagai ejen visual untuk telefon dan robot.
Penanda aras Qwen2-VL
| Penanda aras | Skor | Nota |
|---|---|---|
| DocVQA (test) | 94.5 | Qwen2-VL-7B. InternVL2-8B: 91.6 |
| TextVQA (val) | 84.3 | Qwen2-VL-7B |
| OCRBench | 845 | Qwen2-VL-7B. GPT-4o-mini: 785 |
| InfoVQA (test) | 76.5 | Qwen2-VL-7B |
Skor seperti yang diterbitkan oleh pengarang. Kami belum menjalankannya semula.
Gunakan Qwen2-VL melalui API
OCRRouter menjalankan keluaran Qwen-VL yang berbeza sebagai qwen/qwen-vl.
Versi Qwen-VL
- Qwen-VL: semua versi, harga, kelajuan dan ciri di OCRRouter
- Qwen3-VL (September dan Oktober 2025)
- Qwen2.5-VL (28 Januari 2025 (32B pada Mac 2025))
- Qwen2-VL (29 Ogos 2024), halaman ini
Soalan
Sumber
Kemas kini terakhir .